AI写代码等待时背单词，终端Agent自动练习

背景

在 AI 辅助编程日益普及的今天，开发者与 AI Agent（如 Claude Code、Codex）的交互频率显著增加。每次向 AI 发送请求后，通常需要等待 20 秒到 5 分钟不等才能得到响应。这种碎片化的等待时间累计起来相当可观——作者自述每天与 Claude Code 交互超过 100 次，累计空闲时间超过 1 小时。传统上，这些时间往往被浪费在刷手机或发呆上。作者意识到，如果能将这些等待时间转化为学习时间，就可以在不增加额外时间成本的前提下提升个人技能。因此，他决定将英语单词记忆（尤其是针对程序员的常见词汇）直接嵌入到终端工作流中，让 AI 等待时间变成“进步时间”。

核心内容

作者将 Qwerty 这种英语肌肉记忆产品（一种通过逐字母打字练习来强化单词拼写的工具）移植到了终端环境中，并使其与 AI 编程 Agent 自动联动。具体实现包括：

• 自动感知 AI 状态：利用 tmux 和 Hooks 机制，当 AI 开始工作时（例如正在生成代码或等待响应），自动激活单词练习；当 AI 完成响应并输出结果时，自动将焦点切回终端主界面，用户无需手动切换。
• 逐字母反馈：采用类似 Qwerty Learner 的交互风格——用户按键正确时字母变绿，按键错误时整个单词标记为错误并需要重新输入，强制用户准确拼写。
• 真人发音：通过有道词典 API 获取单词的真人发音，并自动缓存到本地，避免重复网络请求，同时支持离线使用。
• 机械键盘音效：为按键、正确输入、错误输入分别配置不同的音效，模拟机械键盘的听觉反馈，增强沉浸感和仪式感。
• 词库系统：内置三套词库——程序员常见词（约 1700 个）、大学英语四级 CET-4 词汇（约 2607 个），以及支持用户自定义词库，方便根据个人需求扩展。
• Agent 兼容性：明确支持 ClaudeCode、Codex 等常用 AI 编程 Agent，理论上可适配其他支持终端 Hook 的 Agent。

该项目的核心哲学是“让等待，变成进步”，将 AI 交互中的碎片时间转化为高效的英语学习场景。

关键要点

• 针对 AI 编程 Agent 的等待时间（20s–5m）设计，日均可回收超过 1 小时的碎片时间。
• 无缝集成到终端环境，无需额外打开浏览器或 App，通过 tmux + Hooks 实现 AI 工作状态与练习状态的自动切换。
• 逐字母实时反馈，模仿 Qwerty Learner 的“打对变绿，打错整词重来”机制，强制准确拼写。
• 内置有道词典 API 的真人发音，支持自动本地缓存，确保流畅体验。
• 提供机械键盘音效（按键、正确、错误三种音效），增强学习沉浸感。
• 词库覆盖程序员高频词汇（1700词）和 CET-4 词汇（2607词），并支持自定义词库扩展。
• 明确兼容 ClaudeCode、Codex 等主流 Agent，未来可扩展至更多终端 AI 工具。
• 项目为开源项目，已在 LINUX DO 社区发布，并接受社区监督。

意义与影响

该项目将 AI 辅助编程中的“被动等待”转化为“主动学习”，在时间管理上具有创新价值。它不要求用户刻意安排额外学习时间，而是利用原本被浪费的间隙，以低门槛、高频率的方式强化英语词汇记忆。对于程序员群体而言，英语词汇（尤其是技术术语）的掌握直接影响阅读文档、理解代码和参与国际社区的能力，因此该项目具有明确的实用意义。

从技术实现角度看，它展示了如何将终端工具（tmux、Hooks）与 AI Agent 的交互状态结合，设计出响应式的工作流插件。这种“感知环境状态并自动触发学习”的思路，可以推广到其他碎片化场景（如编译等待、测试运行等），为开发者工具生态提供了一种新的交互范式。此外，它降低了英语学习的启动成本——用户只需在终端中打字，无需切换上下文，符合程序员“键盘不离手”的习惯。

最后，该项目以开源形式发布，接受社区反馈，具有较好的可扩展性和可定制性。用户可以根据自己的需求调整词库、音效或 Agent 适配逻辑，形成个人化的学习工具。整体上，它代表了“效率工具”与“个人成长”结合的典型实践，有望在 AI 辅助编程日益普及的背景下获得更多关注。